เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เริ่มต้นใช้งาน ChromaDB

ในแบบฝึกหัดต่อไปนี้ คุณจะใช้ vector database เพื่อสร้าง embedding และค้นหาข้อมูลภาพยนตร์และรายการทีวี 1,000 รายการจากชุดข้อมูล Netflix ที่แนะนำไปในวิดีโอ เป้าหมายคือนำข้อมูลนี้มาสร้างระบบแนะนำเนื้อหาตามคำค้นหา ขั้นแรก ให้สร้างฐานข้อมูลและ collection สำหรับจัดเก็บข้อมูลกัน

chromadb พร้อมใช้งานแล้ว และได้ import OpenAIEmbeddingFunction() จาก chromadb.utils.embedding_functions มาให้เรียบร้อย เช่นเดียวกับสองบทแรก ไม่จำเป็นต้องระบุ OpenAI API key ในบทนี้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Embeddings ด้วย OpenAI API

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง persistent client เพื่อบันทึกไฟล์ฐานข้อมูลลงดิสก์ โดยสามารถละเว้น file path ไว้ก่อนได้
  • สร้าง collection ในฐานข้อมูลชื่อ netflix_titles โดยใช้ OpenAI embedding function
  • แสดงรายการ collection ทั้งหมดที่มีอยู่ในฐานข้อมูล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create a persistant client
client = chromadb.____()

# Create a netflix_title collection using the OpenAI Embedding function
collection = client.create_collection(
    name="____",
    ____=____(model_name="text-embedding-3-small", api_key="")
)

# List the collections
print(client.____())
แก้ไขและรันโค้ด